ปัญญาประดิษฐ์คืออะไร ?

• สาขาวิชา (Discipline) : AI เป็นสาขาวิชาหนึ่งในวิทยาการคอมพิวเตอร์ที่มุ่งเน้นศึกษาและพัฒนาวิธีการ/ทฤษฎีเพื่อสร้างโปรแกรม/เครื่องจักรที่สามารถเลียนแบบความสามารถของสมองมนุษย์

  • การเรียนรู้ (learning)

  • การให้เหตุผล (reasoning)

  • การรับรู้ (perception)

  • การแก้ปัญหา (problem solving)

  • การปรับตัว (adaption)

AI ไม่ได้มีแค่ ChatGPT, Gemini, Claude, …

AI ไม่เท่ากับ ChatGPT

AI (Artificial Intelligence) หรือปัญญาประดิษฐ์ เป็นสาขาวิชาหนึ่งในวิทยาการคอมพิวเตอร์ที่มุ่งเน้นการสร้างเครื่องจักรที่สามารถเลียนแบบความสามารถของสมองมนุษย์ได้ ไม่ว่าจะเป็นการเรียนรู้ การให้เหตุผล การรับรู้ การแก้ปัญหา และการปรับตัว

ChatGPT, Gemini, Claude และเครื่องมือ Generative AI อื่นๆ เป็นเพียงส่วนหนึ่งของ AI ที่มีความสามารถในการสร้างสรรค์เนื้อหาใหม่ๆ เช่น ข้อความ รูปภาพ หรือเสียง แต่ AI มีขอบเขตที่กว้างขวางกว่านั้นมาก และมีหลากหลายประเภทที่ถูกพัฒนาขึ้นมาเพื่อวัตถุประสงค์ที่แตกต่างกัน

ประเภทของ AI

AI สามารถแบ่งออกได้หลายประเภทตามความสามารถและวิธีการทำงาน:

1. แบ่งตามความสามารถ (Capabilities)

• Artificial Narrow Intelligence (ANI) หรือ Weak AI: AI ที่ถูกออกแบบมาเพื่อทำงานเฉพาะด้านใดด้านหนึ่งเท่านั้น เช่น AI เล่นหมากรุก, ระบบแนะนำสินค้า, หรือผู้ช่วยเสมือนอย่าง Siri และ Alexa AI ประเภทนี้ไม่สามารถทำงานนอกเหนือจากสิ่งที่ถูกโปรแกรมไว้ได้

• Artificial General Intelligence (AGI) หรือ Strong AI: AI ที่มีความสามารถในการเรียนรู้ ทำความเข้าใจ และประยุกต์ใช้ความรู้ในหลากหลายสถานการณ์ได้เหมือนมนุษย์ AI ประเภทนี้ยังอยู่ในขั้นตอนการวิจัยและพัฒนา

• Artificial Superintelligence (ASI): AI ที่มีความฉลาดเหนือกว่ามนุษย์ในทุกๆ ด้าน ทั้งความรู้ ความสามารถในการเรียนรู้ และการแก้ปัญหา AI ประเภทนี้ยังเป็นแนวคิดในอนาคต

2. แบ่งตามฟังก์ชันการทำงาน (Functionality)

• Reactive Machines: AI ที่ตอบสนองต่อสถานการณ์ปัจจุบันเท่านั้น ไม่มีหน่วยความจำและไม่สามารถเรียนรู้จากประสบการณ์ในอดีตได้ ตัวอย่างเช่น Deep Blue ของ IBM ที่เล่นหมากรุก

• Limited Memory: AI ที่สามารถจดจำข้อมูลในอดีตได้ในระยะเวลาสั้นๆ เพื่อใช้ในการตัดสินใจในปัจจุบัน ตัวอย่างเช่น รถยนต์ไร้คนขับที่จดจำความเร็วและทิศทางของรถคันอื่นได้

• Theory of Mind: AI ที่มีความเข้าใจในอารมณ์ ความเชื่อ และความตั้งใจของมนุษย์ ซึ่งเป็นความสามารถที่ซับซ้อนและยังอยู่ในขั้นตอนการวิจัย

• Self-aware AI: AI ที่มีความตระหนักรู้ในตนเอง มีสติปัญญาและความรู้สึกนึกคิดเหมือนมนุษย์ ซึ่งเป็นแนวคิดที่ยังห่างไกลจากความเป็นจริง

Generative AI: What It Is and Why It Matters

Generative AI (GenAI) คือ ปัญญาประดิษฐ์ประเภทหนึ่งที่สามารถสร้างสรรค์เนื้อหาใหม่ๆ ที่ไม่เคยมีมาก่อนได้ ไม่ว่าจะเป็นข้อความ รูปภาพ เสียง วิดีโอ หรือแม้แต่โค้ดโปรแกรม โดยอาศัยการเรียนรู้จากชุดข้อมูลขนาดใหญ่ (Large Language Models - LLMs สำหรับข้อความ, Diffusion Models สำหรับรูปภาพ) เพื่อทำความเข้าใจรูปแบบและโครงสร้างของข้อมูลเหล่านั้น แล้วนำมาสร้างสรรค์สิ่งใหม่ๆ ที่มีลักษณะคล้ายคลึงกัน

ทำไม Generative AI ถึงสำคัญ?

• เพิ่มประสิทธิภาพการทำงาน: ช่วยลดเวลาและทรัพยากรในการสร้างเนื้อหาต่างๆ ทำให้สามารถทำงานได้รวดเร็วและมีประสิทธิภาพมากขึ้น
• ส่งเสริมนวัตกรรมและความคิดสร้างสรรค์: เปิดโอกาสให้เกิดการสร้างสรรค์สิ่งใหม่ๆ ที่ไม่เคยมีมาก่อน และเป็นเครื่องมือที่ช่วยจุดประกายความคิดสร้างสรรค์ให้กับผู้ใช้งาน
• สร้างประสบการณ์เฉพาะบุคคล: สามารถสร้างเนื้อหาที่ปรับแต่งให้เข้ากับความต้องการของผู้ใช้แต่ละรายได้ เช่น การสร้างข้อความโฆษณาที่ตรงกลุ่มเป้าหมาย หรือการสร้างรูปภาพตามสไตล์ที่ต้องการ
• เปลี่ยนแปลงรูปแบบธุรกิจ: มีศักยภาพในการเปลี่ยนแปลงรูปแบบการทำงานและธุรกิจในหลากหลายอุตสาหกรรม ตั้งแต่การตลาด การออกแบบ ไปจนถึงการพัฒนาซอฟต์แวร์

AI Competency & AI Usage Framework

AI Competency Framework คือ กรอบแนวคิดที่กำหนดชุดของความรู้ ทักษะ และความสามารถที่จำเป็นสำหรับการใช้งานและทำความเข้าใจ AI อย่างมีประสิทธิภาพ โดยมักจะครอบคลุมมิติที่หลากหลาย เช่น ความเข้าใจในหลักการทำงานของ AI, การประยุกต์ใช้ AI ในสถานการณ์จริง, การประเมินผลกระทบทางจริยธรรมและสังคมของ AI, และการพัฒนาทักษะที่จำเป็นในการทำงานร่วมกับ AI

AI Usage Framework คือ กรอบแนวคิดที่ช่วยในการวางแผนและกำหนดแนวทางการนำ AI ไปใช้งานในองค์กรหรือบริบทต่างๆ โดยมักจะเน้นไปที่การระบุวัตถุประสงค์ของการใช้ AI, การเลือกเครื่องมือและเทคโนโลยี AI ที่เหมาะสม, การออกแบบกระบวนการทำงานที่เกี่ยวข้องกับ AI, และการกำหนดมาตรการในการกำกับดูแลและประเมินผลการใช้งาน AI เพื่อให้เกิดประโยชน์สูงสุดและลดความเสี่ยงที่อาจเกิดขึ้น

กรอบแนวคิดเหล่านี้มีความสำคัญอย่างยิ่งในการเตรียมความพร้อมของบุคลากรและองค์กรให้สามารถรับมือและใช้ประโยชน์จากเทคโนโลยี AI ได้อย่างเต็มศักยภาพ โดยเฉพาะอย่างยิ่งในสาขาที่ต้องใช้การตัดสินใจที่สำคัญ เช่น งานด้านตุลาการ

ศักยภาพของ Generative AI สำหรับงานด้านนิติศาสตร์

Generative AI มีศักยภาพสูงในการพลิกโฉมงานด้านนิติศาสตร์ โดยเฉพาะอย่างยิ่งในด้านการเพิ่มประสิทธิภาพและลดภาระงานที่ซ้ำซ้อน:

• การวิเคราะห์เอกสารทางกฎหมาย: AI สามารถอ่าน ทำความเข้าใจ และวิเคราะห์เอกสารทางกฎหมายจำนวนมหาศาลได้อย่างรวดเร็ว เช่น คำพิพากษา กฎหมาย สัญญา และเอกสารคดีต่างๆ ซึ่งช่วยให้นักกฎหมายเข้าถึงข้อมูลที่เกี่ยวข้องได้ง่ายขึ้น
• การร่างเอกสารทางกฎหมาย: สามารถช่วยในการร่างเอกสารทางกฎหมายเบื้องต้น เช่น สัญญา ข้อตกลง หรือคำฟ้อง โดยอ้างอิงจากข้อมูลและรูปแบบที่เรียนรู้มา ซึ่งช่วยประหยัดเวลาและลดข้อผิดพลาด
• การวิจัยทางกฎหมาย: AI สามารถช่วยในการค้นคว้าและสรุปข้อมูลทางกฎหมายที่ซับซ้อนจากแหล่งข้อมูลต่างๆ ได้อย่างมีประสิทธิภาพ ทำให้การวิจัยทางกฎหมายรวดเร็วและครอบคลุมมากขึ้น
• การคาดการณ์ผลลัพธ์คดี: ด้วยการวิเคราะห์ข้อมูลคดีในอดีต AI อาจช่วยในการคาดการณ์แนวโน้มหรือผลลัพธ์ของคดีความได้ ซึ่งเป็นประโยชน์ในการวางแผนกลยุทธ์ทางกฎหมาย
• การให้คำปรึกษาเบื้องต้น: AI Chatbot สามารถให้คำปรึกษาทางกฎหมายเบื้องต้นแก่ประชาชนหรือผู้ที่ต้องการข้อมูลทางกฎหมายได้อย่างรวดเร็วและเข้าถึงง่าย

ประเภทของ Generative AI ที่สามารถนำมาประยุกต์ในงานด้านนิติศาสตร์

Generative AI หลายประเภทสามารถนำมาประยุกต์ใช้ในงานด้านนิติศาสตร์ได้:

• Large Language Models (LLMs): เช่น GPT-3, GPT-4, Gemini, Claude เหมาะสำหรับการสร้างและวิเคราะห์ข้อความทางกฎหมาย การสรุปเอกสาร การตอบคำถามทางกฎหมาย และการร่างเอกสารต่างๆ
• Text-to-Text Models: ใช้ในการแปลงข้อความรูปแบบหนึ่งไปเป็นอีกรูปแบบหนึ่ง เช่น การแปลงภาษาพูดเป็นข้อความ หรือการสรุปเนื้อหาจากเอกสารยาวๆ ให้กระชับ
• Text-to-Image Models: แม้จะดูไม่เกี่ยวข้องโดยตรงกับงานกฎหมาย แต่สามารถใช้ในการสร้างภาพประกอบสำหรับเอกสารนำเสนอ หรือสื่อการเรียนรู้ทางกฎหมายได้
• Code Generation Models: สามารถช่วยในการสร้างโค้ดสำหรับระบบกฎหมายอัตโนมัติ หรือเครื่องมือวิเคราะห์ข้อมูลทางกฎหมาย

ตัวอย่างกรณีศึกษา : การใช้ AI ในระบบกฎหมายต่างประเทศ

หลายประเทศทั่วโลกได้เริ่มนำ AI มาประยุกต์ใช้ในระบบกฎหมายและกระบวนการยุติธรรมแล้ว:

• สหรัฐอเมริกา:

  • ROSS Intelligence: เป็น AI ที่ใช้ในการวิเคราะห์คำพิพากษาและกฎหมาย เพื่อช่วยทนายความในการค้นคว้าข้อมูลและเตรียมคดี
  • Kira Systems: ใช้ AI ในการวิเคราะห์สัญญาและเอกสารทางกฎหมายขนาดใหญ่ เพื่อระบุข้อความสำคัญหรือความเสี่ยงที่อาจเกิดขึ้น
  • Lex Machina: ให้บริการวิเคราะห์ข้อมูลคดีความ เพื่อช่วยให้นักกฎหมายเข้าใจแนวโน้มการตัดสินคดีและกลยุทธ์ของคู่กรณี
  • Do Not Pay: เป็น Chatbot ที่ให้คำปรึกษาทางกฎหมายเบื้องต้นและช่วยในการกรอกเอกสารทางกฎหมายสำหรับคดีเล็กๆ น้อยๆ

• จีน: มีการนำ AI มาใช้ในศาลเพื่อช่วยในการวิเคราะห์คดี แนะนำการตัดสิน และลดภาระงานของตุลาการ เช่น ระบบ AI ที่ช่วยในการตรวจสอบหลักฐานและร่างคำพิพากษาเบื้องต้น

• สหภาพยุโรป: มีการพัฒนา AI Act ซึ่งเป็นกฎหมายฉบับแรกของโลกที่มุ่งควบคุมการใช้ AI เพื่อให้เกิดความปลอดภัย โปร่งใส และเป็นธรรม โดยเฉพาะอย่างยิ่งในระบบยุติธรรม

• สหราชอาณาจักร: มีการใช้ AI ในการวิเคราะห์ข้อมูลเพื่อช่วยในการตัดสินใจเกี่ยวกับการประกันตัวและการพิจารณาคดี

ตัวอย่างเหล่านี้แสดงให้เห็นว่า AI ไม่ได้เป็นเพียงเครื่องมือช่วย แต่กำลังเข้ามามีบทบาทสำคัญในการเปลี่ยนแปลงภูมิทัศน์ของงานด้านนิติศาสตร์และกระบวนการยุติธรรมทั่วโลก

หลักการออกแบบ prompt ที่มีประสิทธิภาพ

การออกแบบ Prompt ที่มีประสิทธิภาพเป็นสิ่งสำคัญในการดึงศักยภาพสูงสุดของ Generative AI ออกมาใช้งาน หลักการสำคัญมีดังนี้:

• ความชัดเจนและเฉพาะเจาะจง (Clarity and Specificity): ระบุคำสั่งและสิ่งที่ต้องการให้ AI ทำอย่างชัดเจน หลีกเลี่ยงคำที่กำกวมหรือตีความได้หลายนัย ยิ่งเฉพาะเจาะจงมากเท่าไหร่ ผลลัพธ์ที่ได้ก็จะยิ่งตรงตามความต้องการมากขึ้นเท่านั้น
• การให้บริบท (Context): ให้ข้อมูลพื้นฐานหรือบริบทที่เกี่ยวข้องกับงาน เพื่อให้ AI เข้าใจสถานการณ์และสร้างผลลัพธ์ที่เหมาะสม ตัวอย่างเช่น หากต้องการให้ AI ร่างสัญญา ควรระบุประเภทของสัญญา คู่สัญญา และวัตถุประสงค์ของสัญญา
• การกำหนดบทบาท (Role-playing): กำหนดบทบาทให้ AI เช่น “คุณคือทนายความผู้เชี่ยวชาญด้านกฎหมายแพ่ง” เพื่อให้ AI สร้างผลลัพธ์ในมุมมองและสไตล์ที่ต้องการ
• การระบุรูปแบบผลลัพธ์ (Output Format): ระบุรูปแบบของผลลัพธ์ที่ต้องการอย่างชัดเจน เช่น “สรุปเป็นข้อๆ”, “เขียนเป็นตาราง”, “ร่างเป็นจดหมาย” หรือ “ให้เหตุผลประกอบ”
• การให้ตัวอย่าง (Examples - Few-shot Prompting): การให้ตัวอย่างของอินพุตและเอาต์พุตที่ต้องการ จะช่วยให้ AI เข้าใจรูปแบบและแนวทางที่ถูกต้องได้ดีขึ้น โดยเฉพาะอย่างยิ่งสำหรับงานที่ซับซ้อนหรือมีลักษณะเฉพาะ
• การแบ่งงานเป็นส่วนย่อย (Decomposition): สำหรับงานที่ซับซ้อน ควรแบ่งงานออกเป็นขั้นตอนย่อยๆ และให้ AI ทำทีละขั้นตอน เพื่อให้ได้ผลลัพธ์ที่แม่นยำและควบคุมได้ง่ายขึ้น
• การทบทวนและปรับปรุง (Iteration and Refinement): การเขียน Prompt ไม่ใช่กระบวนการครั้งเดียวจบ ควรทดลอง ปรับปรุง และทบทวน Prompt จนกว่าจะได้ผลลัพธ์ที่น่าพอใจ

เทคนิค prompt design สำหรับงานด้านนิติศาสตร์

การประยุกต์ใช้หลักการ Prompt Design ในงานด้านนิติศาสตร์มีเทคนิคเฉพาะที่ช่วยเพิ่มประสิทธิภาพ:

• ระบุประเภทเอกสารและวัตถุประสงค์: เช่น “ร่างสัญญาซื้อขาย”, “สรุปคำพิพากษาฎีกา”, “วิเคราะห์ข้อกฎหมาย”
• อ้างอิงแหล่งที่มาของข้อมูล: หากมีข้อมูลเฉพาะที่ต้องการให้ AI ใช้ในการประมวลผล ควรอ้างอิงหรือแนบข้อมูลนั้นไปใน Prompt ด้วย
• ใช้ภาษาทางกฎหมายที่ถูกต้อง: ใช้ศัพท์แสงทางกฎหมายที่แม่นยำและเป็นทางการ เพื่อให้ AI สร้างผลลัพธ์ที่มีความน่าเชื่อถือ
• กำหนดขอบเขตและข้อจำกัด: ระบุว่า AI ควรพิจารณาเฉพาะประเด็นใด หรือไม่ควรพิจารณาประเด็นใด เพื่อจำกัดขอบเขตการทำงานของ AI
• ขอให้ AI อ้างอิงมาตรากฎหมายหรือคำพิพากษา: เพื่อให้ผลลัพธ์มีความน่าเชื่อถือและสามารถตรวจสอบได้
• ใช้ Chain-of-Thought Prompting: ขอให้ AI แสดงขั้นตอนการคิดหรือการให้เหตุผลก่อนที่จะให้คำตอบสุดท้าย ซึ่งเป็นประโยชน์อย่างยิ่งในงานวิเคราะห์ทางกฎหมายที่ซับซ้อน

ตัวอย่าง prompt ในงานด้านนิติศาสตร์ กับการเลือกเครื่องมือที่เหมาะสมกับงาน

ตัวอย่าง Prompt:

• สำหรับการสรุปคำพิพากษา:
  • “คุณคือผู้ช่วยทนายความ สรุปคำพิพากษาฎีกาที่ [เลขฎีกา] ประเด็น [ประเด็นหลัก] โดยเน้นข้อเท็จจริง สาระสำคัญของกฎหมาย และเหตุผลในการวินิจฉัยของศาล ไม่เกิน 200 คำ”
• สำหรับการร่างสัญญา:
  • “คุณคือทนายความผู้เชี่ยวชาญด้านกฎหมายแพ่ง ร่างสัญญาเช่าซื้อรถยนต์ระหว่าง [ชื่อผู้ให้เช่าซื้อ] และ [ชื่อผู้เช่าซื้อ] โดยมีรายละเอียดดังนี้ [ระบุรายละเอียดสำคัญ เช่น รุ่นรถ ราคา ระยะเวลา ผ่อนชำระ] และต้องมีข้อกำหนดเกี่ยวกับการผิดนัดชำระหนี้และการบอกเลิกสัญญา”
• สำหรับการวิเคราะห์ข้อกฎหมาย:
  • “ในฐานะนักกฎหมายผู้เชี่ยวชาญ วิเคราะห์ประเด็นทางกฎหมายเกี่ยวกับ [ประเด็นกฎหมาย] ตามประมวลกฎหมายแพ่งและพาณิชย์ มาตรา [มาตราที่เกี่ยวข้อง] พร้อมยกตัวอย่างกรณีศึกษาที่เกี่ยวข้อง”

การเลือกเครื่องมือที่เหมาะสม:

• LLMs ทั่วไป (เช่น ChatGPT, Gemini, Claude): เหมาะสำหรับงานที่ต้องการการสร้างข้อความ การสรุป การร่างเอกสารเบื้องต้น หรือการวิเคราะห์ข้อกฎหมายที่ไม่ซับซ้อนมากนัก
• AI เฉพาะทางด้านกฎหมาย (เช่น ROSS Intelligence, Kira Systems): เหมาะสำหรับงานที่ต้องการความแม่นยำสูง การวิเคราะห์เอกสารทางกฎหมายขนาดใหญ่ การค้นคว้าคำพิพากษา หรือการจัดการข้อมูลคดีความที่ซับซ้อน เนื่องจากได้รับการฝึกฝนด้วยชุดข้อมูลทางกฎหมายโดยเฉพาะ

การเลือกใช้เครื่องมือ AI ที่เหมาะสมกับประเภทของงานและระดับความซับซ้อน จะช่วยให้ได้ผลลัพธ์ที่มีคุณภาพและมีประสิทธิภาพสูงสุด

LLMs & Workflows & Agents

การทำความเข้าใจความสัมพันธ์ระหว่าง Large Language Models (LLMs), Workflows และ Agents เป็นสิ่งสำคัญในการออกแบบระบบ AI ที่มีประสิทธิภาพ:

• Large Language Models (LLMs): เป็นหัวใจสำคัญของ Generative AI มีความสามารถในการประมวลผลและสร้างข้อความภาษาธรรมชาติ แต่โดยลำพังแล้ว LLMs มักจะทำงานแบบตอบสนองต่อ Prompt เพียงครั้งเดียว (single-turn interaction) และไม่มีความสามารถในการวางแผนหรือใช้เครื่องมือภายนอก

• Workflows: คือลำดับขั้นตอนที่กำหนดไว้ล่วงหน้าสำหรับการทำงานใดๆ ในบริบทของ AI, Workflow คือการนำ LLMs และเครื่องมือต่างๆ มาจัดเรียงเป็นกระบวนการทำงานที่มีโครงสร้าง เพื่อให้สามารถทำงานที่ซับซ้อนได้ ตัวอย่างเช่น Workflow สำหรับการวิเคราะห์เอกสารทางกฎหมายอาจประกอบด้วยขั้นตอนการดึงข้อมูลจากเอกสาร, การสรุปเนื้อหาด้วย LLM, และการจัดเก็บข้อมูลในฐานข้อมูล

• Agents: คือระบบที่ใช้ LLMs เป็นแกนหลัก แต่มีความสามารถในการตัดสินใจและดำเนินการด้วยตนเองเพื่อบรรลุเป้าหมายที่กำหนดไว้ Agents สามารถวางแผน, ใช้เครื่องมือภายนอก (เช่น การค้นหาข้อมูลบนเว็บ, การเรียกใช้ API), และปรับเปลี่ยนการทำงานตามสถานการณ์ได้ Agents มีความยืดหยุ่นและสามารถจัดการกับงานที่ซับซ้อนและไม่แน่นอนได้ดีกว่า Workflow แบบตายตัว

ความแตกต่างสำคัญ:

• Workflow: LLMs และเครื่องมือถูกจัดเรียงตามเส้นทางโค้ดที่กำหนดไว้ล่วงหน้า (predefined code paths) การควบคุมการทำงานจะอยู่ที่โค้ดที่ออกแบบไว้
• Agent: LLMs สามารถควบคุมกระบวนการและการใช้เครื่องมือของตนเองได้อย่างอิสระ (dynamically direct their own processes and tools usage) ทำให้มีความสามารถในการแก้ปัญหาที่ซับซ้อนมากขึ้น

การออกแบบ workflow ที่มีประสิทธิภาพ

การออกแบบ AI Workflow ที่มีประสิทธิภาพจะช่วยให้การนำ AI มาใช้งานเกิดประโยชน์สูงสุด:

• กำหนดเป้าหมายที่ชัดเจน: ระบุว่า Workflow นี้มีวัตถุประสงค์อะไร และต้องการให้ AI ทำอะไรให้สำเร็จ
• ระบุขั้นตอนการทำงาน: แบ่งงานที่ซับซ้อนออกเป็นขั้นตอนย่อยๆ ที่ชัดเจนและเป็นลำดับ
• เลือกเครื่องมือที่เหมาะสม: พิจารณาว่าในแต่ละขั้นตอนควรใช้ LLM หรือเครื่องมือ AI อื่นๆ (เช่น OCR สำหรับการแปลงรูปภาพเป็นข้อความ, API สำหรับการดึงข้อมูล) หรือแม้แต่การทำงานร่วมกับมนุษย์
• ออกแบบการเชื่อมต่อระหว่างขั้นตอน: กำหนดวิธีการส่งผ่านข้อมูลและผลลัพธ์ระหว่างแต่ละขั้นตอนอย่างราบรื่น
• จัดการข้อผิดพลาดและข้อยกเว้น: วางแผนสำหรับสถานการณ์ที่อาจเกิดข้อผิดพลาด และกำหนดแนวทางในการจัดการหรือแก้ไข
• ทดสอบและปรับปรุง: ทดสอบ Workflow อย่างละเอียด และปรับปรุงตามผลลัพธ์ที่ได้ เพื่อให้มั่นใจว่าทำงานได้อย่างถูกต้องและมีประสิทธิภาพ
• การผสานรวมกับระบบที่มีอยู่: พิจารณาการเชื่อมต่อ Workflow เข้ากับระบบงานเดิมขององค์กร เช่น ระบบ ERP, CRM หรือระบบจัดการเอกสาร

ตัวอย่างกรณีศึกษา

• การตรวจสอบสัญญาอัตโนมัติ:
  • Workflow: รับสัญญา -> ใช้ OCR แปลงเป็นข้อความ (ถ้าเป็นรูปภาพ) -> ใช้ LLM วิเคราะห์ข้อความเพื่อระบุข้อกำหนดสำคัญ, ความเสี่ยง, หรือข้อผิดพลาด -> สรุปผลการวิเคราะห์ -> ส่งรายงานให้ทนายความตรวจสอบ
  • Agent: Agent อาจได้รับมอบหมายให้ “ตรวจสอบสัญญาและแจ้งเตือนข้อผิดพลาด” โดย Agent จะสามารถตัดสินใจได้เองว่าจะใช้เครื่องมือใด (OCR, LLM, ฐานข้อมูลกฎหมาย) และจะดำเนินการอย่างไรหากพบข้อผิดพลาดที่ต้องแก้ไขหรือต้องการข้อมูลเพิ่มเติม
• การเตรียมเอกสารคดี:
  • Workflow: รวบรวมเอกสารที่เกี่ยวข้องกับคดี -> ใช้ LLM สรุปประเด็นสำคัญจากเอกสารแต่ละฉบับ -> จัดหมวดหมู่เอกสาร -> ร่างเอกสารประกอบคดีเบื้องต้น (เช่น คำฟ้อง, คำให้การ) -> ส่งให้ทนายความตรวจสอบและแก้ไข
  • Agent: Agent อาจได้รับมอบหมายให้ “เตรียมชุดเอกสารสำหรับคดี [ชื่อคดี]” โดย Agent จะสามารถค้นหาเอกสารที่เกี่ยวข้อง, วิเคราะห์และสรุปข้อมูล, และสร้างเอกสารที่จำเป็น โดยอาจมีการโต้ตอบกับทนายความเพื่อขอคำแนะนำเพิ่มเติมในระหว่างกระบวนการ
• การให้คำปรึกษาทางกฎหมายเบื้องต้น:
  • Workflow: รับคำถามจากผู้ใช้ -> ใช้ LLM วิเคราะห์คำถาม -> ค้นหาข้อมูลกฎหมายที่เกี่ยวข้องจากฐานข้อมูล -> สร้างคำตอบเบื้องต้น -> ส่งคำตอบให้ผู้ใช้
  • Agent: Agent อาจทำหน้าที่เป็น “ผู้ช่วยทางกฎหมายเสมือน” ที่สามารถตอบคำถามทางกฎหมายเบื้องต้น, ให้ข้อมูลเกี่ยวกับขั้นตอนทางกฎหมาย, หรือแนะนำผู้ใช้ให้ปรึกษาทนายความเมื่อจำเป็น โดย Agent สามารถเรียนรู้และปรับปรุงการตอบสนองได้ตามการใช้งาน

กรณีศึกษาเหล่านี้แสดงให้เห็นว่าการออกแบบ Workflow และการใช้ Agent สามารถช่วยให้งานด้านนิติศาสตร์มีประสิทธิภาพและประสิทธิผลมากขึ้นได้อย่างไร

Outline (3)